待验证50% 置信事实精确时间
向量数据库通过计算查询向量与库中向量的距离（常用余弦相似度或欧氏距离）找出最相关的文档片段
1
来源数
50%
置信度
长期有效
时效性
2026/9/15
首次发现
来源
涉及实体
相关事实
已验证向量数据库（如Pinecone、Weaviate、Milvus等）通过嵌入模型将文本转化为高维向量，使用余弦相似度或欧氏距离进行近似最近邻（ANN）搜索79% 相似已验证向量数据库如FAISS、Chroma、Weaviate通过将文本编码为高维向量建立索引，能毫秒级完成语义相似度检索77% 相似待验证主流向量数据库包括Pinecone、Weaviate、Chroma和pgvector，余弦相似度是最常用的距离度量方式76% 相似已验证向量数据库通过将代码片段转化为高维嵌入向量并进行近似最近邻（ANN）搜索，在不扩展上下文窗口的前提下实现按需记忆72% 相似已验证RAG通过将文档切分为语义块后经嵌入模型转化为高维向量存入向量数据库，查询时通过近似最近邻（ANN）搜索找到语义最相近的文档片段70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/923396API
curl https://kongchang.com/api/v1/knowledge/claims/923396MCP
get_claim(id=923396)